رویاروی آیندۀ هوش مصنوعی ، از خلالِ منشورِ شطرنج!

گاه مشکل می‌توان اوضاع جهان را ارزیابی‌کرد و سر از تغییراتِ بی‌وقفه‌اش درآورد. مشخّصۀ پنجاه سال اخیر، انقلابی اطّلاعاتی بوده‌است که چنان در تاروپود زندگی روزمرّۀ ما تنیده است که آسان فراموشمان می‌شود که چقدر نوآورانه است. گری کاسپاروف استدلال حیرت‌انگیزی را مطرح می‌کند که چرا باید دربابِ دورانِ درحالِ تغییرِ خود بیندیشیم. او ما را به آن نوع پرسشهایی راه می‌نماید که باید از فنّاوری و هوش مصنوعی بپرسیم، و به آنچه می‌توانیم از این جهانِ سریع‌التّطوّر چشم داشته‌باشیم. این کاری است که او کاملاً صلاحیّتش را دارد. او را که یکی از بزرگترین شطرنج بازانِ تاریخ است، به چالش با گروهی از دانشمندان رایانه‌ای و فنّاوری پیشرفتۀ آنان فراخواندند. آیا ماشینهای آنان می‌توانستند او را شکست دهند؟ مسابقۀ گری کاسپاروف با دیپ بلو ی شرکتِ آی‌بی‌اِم در اواخر دهۀ ۱۹۹۰، به این پرسش پاسخ ‌داد. پس با چکیده کتاب تفکر عمیق ( Deep Thinking ) نوشته Garry Kasparov از کافه کتاب همراه باشید.

وانگهی، سازندگانِ شطرنج و هوش مصنوعی مشترکات بسیاری با هم دارند. بنابراین اگر در این باره بیندیشید، می‌توانید از طریقِ تاریخچۀ فرهنگی شطرنج، چیزهای زیادی دربارۀ طرز کارِ جهانِ فنّاورانۀ جدید بیاموزید. بگذارید گری کاسپاروف شما را به سفری ببرد از دلِ تاریخ تا آیندۀ هوش مصنوعی، شطرنج، و رایانه‌ها.

در این چکیده کتاب خواهید آموخت که

• چرا فنّاورانِ رایانه مورد اعتماد نیستند؛
• در مسابقات قهرمانی جهانی شطرنج سال ۱۹۷۸، کدام‌یک از لوازم ناهار قشقرق به‌راه انداخت؛ و
• اصول بنیادین برنامه‌نویسی دستیار گوگل و اَلکسای آمازون چیست.

شطرنج در غرب چندان خوش‌آوازه نیست، امّا در روسیه مورد ستایش است.

شطرنج بازی کهنی است، و قرنهاست که در فرهنگ غربی جایگاه خود را داشته است. امّا اگرچه بیشتر مردم از آن خوششان می‌آید، ولی فاصلۀ امنی را با آن حفظ می‌کنند؛ احتمالاً بخاطر آوازۀ تزلزل‌ناپذیر خاصّی که دارد.

در غرب شطرنج را بازیِ خوره[۱]‌ها می‌دانند. غالباً تصوّر بر این است که شطرنجبازان وسواسی، بیرون از ۶۴ خانۀ صفحۀ شطرنج زندگی دیگری ندارند.

گری گری کاسپاروف این پیشداوریها را زیر سؤال برده است. با اینحال، به‌رغمِ همۀ مصاحبه‌هایی که کرده است و دربارۀ سیاست و تاریخ سخن گفته‎است، رسانه‌ها همچنان او و شطرنجبازانِ دیگر را افرادی عجیب‌وغریب نشان می‌دهند. حال آنکه درواقع آنان صرفاً مردمانی عادی‌اند با استعدادی ویژه.

دشوار می‌توان باورهای دیرپای فرهنگی را تغییر داد؛ شطرنجبازان هنوز هم پایینِ سلسله‌مراتبِ اجتماعی مدرسه جای‌دارند.

امّا به‌لطف رواجِ برنامه‌های شطرنجبازی مدارس، نشانه‌هایی از بهبود تدریجی در آمریکا وجود دارد. نوجوانان دارند بدون پیشداروی پی‌می‌برند که شطرنج می‌تواند واقعاً مایۀ تفریح باشد.

نگاهِ آمریکایی به شطرنج، تضادّ زیادی با نگاه روسی دارد. در روسیه، زمان درازی است که شطرنج مورد ستایش بوده است.

در زمانِ رشد گری کاسپاروف ، روسیه هنوز بخشی از اتّحاد شوروی بود. آنجا بسیار شطرنج بازی می‌کردند و مسابقات شطرنج برگزار می‌شد. در نتیجه، هرگز تداعیهای ناخوشایندی را که در غرب داشت، در روسیه نداشت. بلکه وضعیّتش مانند هر ورزش پرطرفدار دیگر بود، مثلِ بیسبال در آمریکا.

درواقع، سابقۀ احترام زیاد قائل شدن برای بازیکنان و معلّمان شطرنج، به روزگار تزارها برمی‌گردد. اگرچه درطیّ انقلاب روسیه بسیاری از اشراف‌زادگان را کشتند، امّا سنّت اشرافیِ شطرنجبازی نه‌تنها از میان نرفت، بلکه کمونیستها به آن رونق و رواج هم دادند؛ حتّی تا آنجا که شطرنجبازانِ نخبه را از خدمت نظامی در جنگِ داخلیِ آن‌هنگامِ روسیه معاف می‌کردند تا بتوانند در مسابقات قهرمانی شطرنج شوروی شرکت‌کنند.

رایانه‌ها از شکست‌دادنِ شطرنجبازانِ تازه‌کار تا به‌چالش‌کشیدنِ استادانِ بزرگ پیش‌رفتند.

هنگامی که در سالهای ۱۹۵۰ علوم رایانه‌ای نخستین گامهایش را محتاطانه برمی‌داشت، کمتر کسی گمان‌می‌بُرد که این فنّاوری جدید به کجاها خواهد رسید. پیشگوییها درباب آرمانشهر و ویرانشهرِ آینده‌ای زیر سلطۀ رایانه‌ها رایج بود. امّا این همه کمی اغراق‌آمیز می‌نماید اگر درنظر بگیرید که نخستین رایانه‌های شخصی اصلاً حتّی قابلیّتِ شطرنجبازی هم نداشتند.

دانشمندان البتّه تلاششان را می‌کردند. در سال ۱۹۵۶، آزمایشگاهی در لُس‌آلامُسِ نیومکزیکو نخستین رایانۀ شطرنجباز را ساخت. نامش MANIAC 1 بود، و یکی از نخستین رایانه‌هایی بود که حافظۀ کافی برای برنامۀ شطرنج داشت. وزنش حدود ۴۵۰ کیلوگرم بود.

با اینهمه، گنجایش رایانه‌ها هنوز محدود بود. دانشمندان ناگزیر بودند که از یک صفحۀ کوچک‌شدۀ ۳۶خانه‌ای استفاده‌کنند که مستلزمِ حذفِ مهرۀ فیل بود. این رایانه آخرسر از شطرنجبازی باتجربه باخت، حتّی با اینکه از او خواسته‌بودند بدون وزیر بازی کند.

با اینحال، همان سال، این رایانه توانست از یک شطرنجباز تازه‌کار ببرد. نخستین بار در تاریخ بود که هوش مصنوعی، بشر را در یک بازی فکری شکست می‌داد.

خیلی زود رایانه‌ها توانستند استادان بزرگ را به‌چالش‌بکشند. سرعت پیشرفت را می‌توان تا حدّ زیادی با قانون مور (Moore’s law) توضیح ‌داد. این قانون می‌گوید که سرعت پردازش رایانه‌ها همواره هر دوسال دوبرابر می‌شود.

تا سال ۱۹۷۷، رایانه‌ها می‌تواستند با پنج‌درصدِ برترِ شطرنجبازان انسانی رقابت کنند. گهگاه اشتباهاتی از آنها سرمی‌زد که منجر به باخت می‌شد، امّا حرکات تاکتیکی و دفاعیِ درکُل قویّ‌شان این شکست را جبران می‌کرد.

علاوه براین، الگوریتم جدیدی که به‌دستِ دانشمندانِ علوم رایانه‌ای در دهۀ ۱۹۷۰ اصلاح‌شده بود، دنیایی تفاوت ایجاد کرد.

به آن آلفا-بتا می‌گفتند و امکان می‌داد که رایانه‌ها هرحرکتی را که نسبت به حرکتی دیگر در همان لحظه کاراییِ کمتری داشت، بطورِ خودکار ردکنند. این امکان باعث می‌شد که تعداد حرکاتی که می‌بایست ارزیابی‌کنند، محدود شود. در نتیجه، رایانه‌ها در محاسبۀ حرکاتِ ممکن سریعتر شدند، و حتّی توانِ  ازپیش«اندیشیدنِ» چند حرکت را پیدا کردند.

رایانه‌ها دارند انسانها را از کار بی‌کار می‌کنند، امّا جای ناراحتی ندارد.

سخت نیست تصوّر روزی که شغل صندوقداریِ سوپرماکت، شغلی قدیمی محسوب شود. صندوقهای پرداختِ خودکار (self-checkout machines) دارند جای خود را در سوپرمارکتها استوار می‌کنند.

این نمونه‌ای است از یک جریان وسیعتر. رایانه‌ها دارند انسانها را از کار بی‌کار می‌کنند، بویژه افراد شاغل در صنعتِ خدمات را.

مشاجرات بر سرِ رویاروییِ انسان و ماشین به آغاز انقلاب صنعتی برمی‌گردد، هنگامی که ابزارهای کشاورزی و تولید آغازکردند به جایگزینیِ نیروی کار انسانی.

در آن زمان _ سالهای ۱۹۶۰ و 1970_ ماشینهای به‌دقّت‌مهندسی‌شده عملاً  موجبِ برکناریِ کارگران ماهر  _مثلاً ساعتسازان یا دستیاران آزمایشگاه_ می‌شدند.

سرانجام، انقلاب اطّلاعاتی سوار بر مرکبِ اینترنت سررسید. به یک ضرب، میلیونها شغلِ پشتیبانی و خدماتی نیست و نابود شد، و کارمندانی نظیرِ تحویلدارانِ بانکها و آژانسهای مسافرتی دیدند که خدماتِ آنلاین جایشان را گرفته‌است.

مسلّماً زمان می‌بَرد که ماشینها حتّی آبرومندترین شغلها را هم از میان بردارند. بله، حتّی پزشکان و وکیلان.

حالا لازم نیست احساساتی شویم که ماشینها دارند بارِ انسان را به دوش می‌کشند. پیشرفت فنّاورانه از نظر تاریخی چیز خوبی بوده است.

تمدّن بشری تا حدّ زیادی به این خاطر پیشرفت کرده است که ما از نوآوریهای خود بهره‌ برده‌ایم تا از نیاز به نیروی کار انسانی بکاهیم. در نتیجه، شاهدِ بهبودِ کیفیّت زندگی و پیشرفت حقوق بشر بوده‌ایم.

واقعاً موهبتی است که می‌توانیم در اتاقهای خوش‌تهویه‌مان بنشینیم و از طریقِ دستگاه‌هایمان به تمامِ معارف بشری دسترسی پیدا کنیم و در عین‌حال غُر بزنیم که کارهای یدی دارند نیست‌ونابود می‌شوند.

این یعنی که باید یاد بگیریم که خود را وفق بدهیم. واضح است که اوضاع به روالِ قبل برنمی‌گردد. مثلاً دفترداران، صندوقداران، و کارمندانی که هوش مصنوعی جای شغلشان را گرفته است، به شغلهای تولیدی برنخواهند گشت. بلکه ناگزیر با ظهورِ انواع جدیدی از شغلهای فنّاورانه و خدماتی، به‌سوی آنها هدایت خواهند شد.

هوش مصنوعی دارد به‌سرعت پیشرفت می‌کند، که همین منجر شده است به انواع جدیدی از ماشینهای شطرنجباز.

در سپتامبر ۲۰۱۶ در آکسفورد، گری کاسپاروف به رویدادی در علوم رباتیک رفت، جایی که می‌توانست مستقیماً با رباتی به‌نامِ آرتی (Artie) گپ بزند.

چنین رباتهای سخنگویی را شاید هنوز زیاده فوتوریستی و آینده‌گرایانه بدانیم، امّا با ادامۀ پیشرفت هوش مصنوعی، بی‌گمان به‌زودی جزئی لاینفکّ از زندگی روزمرّۀ ما خواهند شد.

مدّتهاست که مسلّم فرض شده است که رایانه‌ها می‌توانند به راه‌حل برسند امّا برخلافِ انسانها نمی‌توانند سؤال طرح‌کنند.

این مدّعا دیگر مصداق ندارد. رایانه‌ها می‌توانند سؤال بپرسند امّا فعلاً نمی‌توانند بدانند کدام پرسشها مهمّند.

هردستگاهی می‌تواند پرسشی را که درونش رمزگذاری شده باشد از شما بپرسد. دستگاه صرفاً به یک دستورمحرّک و یک پاسخ خودکار نیاز دارد که با آن متناسب باشد، در این مورد در قالبِ یک پرسش. سازوکارِ دستگاهایی نظیرِ دستیار گوگل و اَلکسای آمازون چنین است. با اینحال، حتّی وقتی که بنظر می‌رسد تعاملی واقعی درکار است، درواقع تحلیلِ یک‌سری اطلاعات بنیادین مبنای آن تعامل است.

اکنون دانشمندان دارند می‌آزمایند که آیا ماشینها می‌توانند پرسشهای خود را مستقیماً از اطّلاعاتی که گرد آورده‌اند، صورت‌بندی کنند؟ در این صورت، دیگر به مجموعه‌ای از دستورهای انسانی برای تحریکِ پرسش‌پاسخهای خودکار نیاز نخواهند داشت.

شاید ماشینها روزی از این هم پیشتر بروند. با پیشرفتِ هوش مصنوعی، نه تنها از اطّلاعاتی که ماشینها به دست می‌دهند، بلکه از روشهای آنها نیز ممکن است شگفت‌زده شویم.

بگذارید تا ببینیم چنین چیزی چگونه در شطرنج عمل‌می‌کند.

تا این اواخر، راهبردهای شطرنج مستقیماً در رایانه‌های شطرنجباز برنامه‌نویسی می‌شد. مثلاً می‌دانستند که وزیر ارزشمندتر از رُخ است، زیرا این دانش در برنامۀ آنها رمزگذاری شده بود.

امّا اکنون پژوهشگران می‌کوشند که صرفاً با برنامه‌نویسیِ بنیادی‌ترین قواعدِ شطرنج، رایانه‌های شطرنجباز را طرّاحی‌کنند. از آن پس، بنا بر آن است که خودشان همه‌چیز را بفهمند، یعنی بتوانند به بازیها و راهبردهای کاملاً بدیعی برسند که بتوانند به انسانها نیز یادشان بدهند.

شطرنج برای انسانْ روانشناختی است، امّا برای رایانه صرفاً راهبردی است.

همچنان در این باره بحث هست که آیا شطرنج را باید ورزش دانست یا نه. قدر مسلّم این است که خستگی عصبیِ پس از یک مسابقۀ شطرنج، با خستگیِ بعد از مسابقۀ موتورسواری برابری می‌کند.

علّت این است که شطرنج اساساً یک بازی روانشناختی است.

از سال ۲۰۰۳، گری کاسپاروف مشغولِ مطالعۀ مسابقاتِ شطرنجِ استادان بزرگ بوده است، از جمله مسابقاتِ خودش. او کشفیّاتش را در کتابش پیشینانِ بزرگِ من (My Great Predecessors) عرضه‌کرد و مدّعی شد که حتّی بهترین شطرنجبازان هم اشتباهاتی تاکتیکی می‌کنند. البتّه نه به این علّت که بهترش را بلد نیستند، بلکه به این خاطر که در برابر رقبایشان مضطرب شده‌اند یا از نظر روانی تحلیل‌رفته‌اند.

شطرنجباز آلمانی اِمانوئل لاسکر (Emanuel Lasker)، که از سال ۱۸۹۴ تا ۱۹۲۱ به‌مدّت ۲۷ سال قهرمان شطرنج جهان بود، نمونۀ اعلای رویکرد روانشناختی به شطرنج بود.

اندیشۀ اصلی آن بود که بهترین حرکت، لزوماً نباید موجّه‌ترین حرکت از نظر تاکتیکی باشد، بلکه باید رقیب را در آزارنده‌ترین وضعِ ممکن قرار دهد. این سبک بازی مستلزمِ تحلیلِ دقیقِ بازی رقیب پیش از آغاز مسابقه است. نقطه‌ضعفها را باید شناخت، و نیز حرکاتی را که احتمال بیشتری در متزلزل‌کردن موقعیت رقیب دارند.

چنین قواعدی امّا در شطرنجبازیِ رایانه‌ها صدق نمی‌کند.

انسان همیشه واکنشی روانشناختی به استرس مسابقه خواهد داشت. امّا رایانه‌ها همواره بی‌عاطفه‌اند، چه در بازی، چه بیرون از بازی. برای آنها صرفاً مسئله‌ای راهبردی (استراتژیک) مطرح است.

تا سال ۱۹۸۵، رایانه‌ها دیگر توانِ محاسبۀ همۀ ترکیباتِ ممکنِ حرکات در سه یا چهار نوبت بعدی و انتخابِ مناسبترینِ آنها را یافته بودند. امّا اگر شطرنجباز می‌توانست از پیشْ پنج حرکت را برنامه‌ریزی‌کند، به‌احتمال زیاد می‌توانست رایانه را شکست دهد.

دادنِ اطّلاعات فراوان به رایانه‌ها، ممکن است به برنامه‌های درخشانی بینجامد، امّا رایانه‌ها نیز در معرضِ خطا هستند.

باور رایجی هست که موفّقیّت ناشی از استعداد ذاتی است. امّا چنان که مالکوم گلَدوِل (Malcolm Gladwell) در کتابش استثنایی ها (Outliers) نوشته است، این باور جای چون و چرا دارد. مسئله اصلی، هزاران ساعت تمرین است.

نظریّۀ گلَدوِل تا حدّی دربارۀ انسانها مصداق دارد، امّا تا جایی که به هوش مصنوعی مربوط است، مسئله روشن است: جستجوی فراگیر[۲] است که مهمّ است.

دونالد میکی (Donald Michie)، پژوهشگری بریتانیایی در زمینۀ هوش مصنوعی و پیشگام در حوزۀ یادگیری ماشین، از نخستین کسانی بود که که از جستجوی فراگیر بهره جُست، هنگامی که شروع کرد به دادنِ انبوهی از اطّلاعات خام به رایانه‌ها. او این مفهوم را در سال ۱۹۶۰ در بازی دوز آزمود.

معمول این است که به رایانه مجموعه‌ای از قواعد می‌دهند تا در بازی پیاده کند. امّا میکی به رایانه نمونه‌های فراوانی از حرکاتِ بازی داد و گذاشت تا خودش اصولِ اساسی را از آنها استنباط کند.

درواقع این نوع فرارَوَندِ یادگیریِ ماشین را همواره در برنامه‌های جدید ترجمه، مثل گوگل ترنسلیت، می‌بینیم. این برنامه‌ها درواقع اصلاً زبان بلد نیستند، بلکه صرفاً میلیونها نمونه‌جمله را با ترجمه‌های متناظرشان به آنها داده‌اند. بر این اساس می‌توانند ترجمه‌ای معقول از هر متنی سرِ هم‌ کنند.

با اینحال چنین سیستمهایی خطاناپذیر نیستند. رایانه‌های متّکی بر انبوهی از اطّلاعات نیز ممکن است خطاهای بزرگی داشته باشند.

در دهۀ ۱۹۸۰، میکی کوشید تا یک ماشین شطرنجباز بسازد. او و چند پژوهشگر دیگر، رایانه را از انبوهِ اطّلاعات خام انباشتند: میلیونها حرکت شطرنج از بازیهای استادان بزرگ.

رایانه شطرنجبازی عالی شد امّا گهگاه کارهای عجیبی می‌کرد، مثلاً بی ‌هیچ دلیل آشکاری از وزیرش می‌گذشت.

درواقع رایانه از استادان بزرگ آموخته بود که گذشتن از وزیر حرکتی است حاکی از پیروزی، امّا نتوانسته بود بفهمد که این گامبی فقط وقتی جواب می‌دهد که عوامل دیگر نیز در جای درست باشند. ظاهراً همه چیز را فهمیده بود، امّا در عین‌حال اصلاً هیچ چیز را نفهمیده بود.

باختن به‌هیچ‌وجه مطلوب نیست امّا بازی در برابرِ رایانه‌ها می‌تواند به شما بیاموزد که چگونه موقّرانه ببازید.

برای خیلیها بازی تنها بازی است، نه چیزی بیش از آن. امّا کسانی هم هستند که اگر ببازند، خونشان به جوش می‌آید یا می‌زنند زیر گریه.

مؤلّف در دوران شطرنجبازی‌اش از این دست افراد نبود، امّا بازندۀ بی‌خیال و راحتی هم نبود.

وقتی مسابقه‌ای را می‌باخت، گاهی تا چندشب بی‌خواب می‌شد. گاهی حتّی در مراسم اهدای جوایز بدخُلقی می‌کرد. گری کاسپاروف از این رفتارش شرمسار نیست. در نظر او، برای موفّقیّت در مسابقه، نفرت از باختن باید بیش از ترسِ رقابت باشد، وگرنه کنار می‌روید.

خوشبختانه مؤلّف باختهای زیادی نداشت. از ۲۴۰۰ مسابقۀ حرفه‌ای‌اش، تنها ۱۷۰ مسابقه را باخت. البته در برابرِ انسانها؛ بازی با رایانه‌ها یکسره ماجرای دیگری بود.

گری کاسپاروف نخستین‌بار در ماهِ میِ ۱۹۹۴ در مونیخ از یک رایانه به‌نامِ فریتس۳ باخت. در آغاز خوب بازی می‌کرد و دستِ بالا را داشت، امّا حرکتی کرد که از لحاظ راهبردی (استراتژیک) نامناسب بود. رایانه از فرصت بهره برد و بی‌درنگ به بازی برگشت.

اشتباهی بود طبیعی و قابل توجیه: مسابقه، برق‌آسا بود (blitz chess tournament)، یعنی هر بازیکن تنها چند ثانیه فرصت داشت تا هرحرکت را بررسی کند. اگرچه کاسپاروف نهایتاً کلّ دور مسابقه را بُرد، امّا نخستین بار بود که رایانه‌ای توانسته بود یک جهان‌قهرمان شطرنج را شکست دهد.

گری کاسپاروف در سال ۱۹۹۶، با رایانۀ توانمندتری به نامِ دیپ بلوی آی‌بی‌ام بازی کرد، در شرایطی مشابهِ مسابقات. این بار مسابقه‌ای کامل بود در ۶ بازی. کاسپاروف مسابقۀ نخست را برد، امّا سال بعد در مسابقۀ مجدّد، رایانه بود که بُرد. بازی تنگاتنگی بود امّا سرانجام دیپ بلو توانست برای هرحرکت چندان احتمالات را محسابه‌کند که کاسپارُف نتوانست ادامه دهد. این بُرد، نقطۀ عطفی بود در پیروزی هوش مصنوعی.

کاسپاروف به خود آمد: اکنون رایانه‌ها می‌توانستند مرتّباً شکستش دهند، و مسلّماً در آینده توانمندتر هم می‌شدند. چنین شد که کاسپاروف تجربۀ باخت را پذیرفت.

شطرنج با ناجوانمردی بیگانه نیست؛ رایانه‌ها هم این وضع را تغییر نخواهند داد.

ما تماشاگران عموماً وجهِ جذّاب ورزشهای رقابتی را می‌بینیم، امّا پشت پرده، در سایه، ناجوانمردی چندان نامعمول نیست. شطرنج رقابتی هم مستثنا نیست.

این ماجراها ممکن است از دور جالب بنظر برسند. مثلاً رقابت تلخ آناتولی کارپُف (Anatoly Karpov) و ویکتور کورچنوی (Viktor Korchnoi) را درنظر بگیرید که هردو از بازیکنان برجستۀ دهۀ ۱۹۷۰ بودند.

در مسابقات قهرمانی سال ۱۹۷۸ در فیلیپین، کارپُف روانشناسی را به نامِ دکتر ژوکار (Dr. Zhukar) استخدام‌کرد تا در طولِ مسابقه به چشمان کورچنوی زُل‌بزند تا حواسش را پرت یا او را هیپنوتیز کند.

کورچنوی هم از قافله عقب نماند: در همان دورِ مسابقات، چند عضوِ یک فرقۀ هندی را استخدام کرد تا مراقبه کنند و به چشمانِ کارپُف و روانشناسش زُل‌بزنند تا آنها را بترسانند.

جالبتر آنکه هرکدام مدام دیگری را به تقلّب متّهم می‌کرد و تقاضای بازرسیِ اشیاء و وسایل او را داشت؛ از جمله صندلی و عینک کورچنوی و ماستِ کارپُف.

رایانه‌ها نتوانسته‌اند امروزه تقلّب و ناجوانمردی را از میان بردارند. ناجوانمردی هنوز هم هست، فقط شکلش عوض شده است. مثلاً مداخلۀ انسانی در رایانه‌ها تا حدّ معیّنی در طول مسابقات مُجاز است. فنّاوران ایرادها را رفع می‌کنند، و اگر رایانه‌ها از کار بایستند[۳]، آنها را از نو به کار می‌اندازند[۴] و کارکردهای ارزیابانۀ[۵] رایانه‌ها را در فواصل بازیها تنظیم می‌کنند.

در زمانِ بازی مجدّدِ گری کاسپاروف با دیپ بلو در سال ۱۹۹۷، این قبیلْ دستکاریها را از پیش پذیرفته‌بودند. درواقع، دیپ بلو در طولِ شش بازی، دوبار از کار ایستاد و هردو بار از نو به کارش انداختند. چون با از نو به‌کار انداختنْ حافظۀ رایانه پاک می‌شد، رایانه حرکات و تصمیماتی را برمی‌گزید که حرکات و تصمیماتش قبلِ ازکارایستادن با آنها متفاوت می‌بود.

این قبیلْ اقداماتِ کمکیِ غیرمُجاز در طول مسابقات می‌توانست راهی باشد که فنّاورانْ رایانه‌ها را به برتریِ ناعادلانه‌ای برسانند. از همین روست که امروزه مداخلاتِ فنّاوران را سختگیرانه‌تر نظارت و کنترل می‌کنند.

شطرنج بازی پیچیده و زیبایی است، امّا نهایتاً معلوم شد که رایانه‌ها خیلی راحت بر آن تسلّط پیدا می‌کنند. همین که دیپ بلو با استفاده از نیروی پردازشی که در اواخر دهۀ ۱۹۹۰ مقدور بود توانست مؤلّف را شکست دهد، چشمها را به سوی خود جلب کرد. چالش بعدی علوم رایانه این خواهد بود که رایانه‌ها بتوانند بر بازیهای تخته‌ایِ پیچیده‎تری تسلّط بیابند، با خانه‌ها و متغیّرهایی بیش از شطرنج. چیزی مثلِ بازی چینیِ گو (Go) خیلی خوب در این زمینه پیش خواهد رفت.

جمع‌بندی نهایی

پیام کلیدی این چکیده کتاب:

هوش مصنوعی دارد به‌سرعت از هوش بشری پیشی می‌گیرد. بیش از بیست سال است که می‌تواند شطرنجبازان جهانی را شکست دهد، امّا باید منتظر بیش از این بود. در حال حاضر رایانه‌‌ها عمدتاً از جستجوی فراگیر و امکاناتشان برای پردازش حجم عظیمی از اطّلاعات بهره می‌برند تا بتوانند شطرنجبازان را شکست دهند. امّا انقلاب تازه‌ای در زمینۀ هوش مصنوعی در راه است. اگر رایانه‌ها بتوانند مستقلا از درون‌داده‌های انسانی شروع کنند به تحلیل اطّلاعات و طرحِ مسائلی از دلِ آن اطّلاعات و رسیدن به راه‌حلهایی برای آن مسائل، آنگاه حقیقتاً به عصری جدید درآمده‌ایم.

نظری دارید؟

بسیار مشتاقیم که بدانیم شما دربارۀ محتوای این چکیده کتاب چه می‌اندیشید! کافی است ایمیلی بفرستید بهremember@cfbk.ir   و در قسمت موضوع، اسم این کتاب را بنویسید و دیدگاهتان را با خانوادۀ کافه کتاب در میان بگذارید!

پیشنهاد برای مطالعۀ بیشتر: چگونه یک ذهن بیافرینیم (How to Create a Mind) اثر رِی کِرزْوایل (Ray Kurzweil)

چگونه یک ذهن بیافرینیم (۲۰۱۲) بررسیِ کاملی است از سازوکار مغز. همین که دقیقاً بفهمیم مردم چگونه می‌اندیشند، جهان را درمی‌یابند و تصمیم به انجام عملی می‌گیرند، و در نتیجه آن استنباط نماییم چگونه آفرینش یک هوش مصنوعی حقیقی، ممکن خواهد بود.

[۱] nerd

[۲] brute force؛ ترجمۀ تحت‌اللفظی آن چیزی است در حدودِ «نیروی حیوانی، زورِ جسمانی» امّا در اینجا ظاهراً اصطلاحی است در رمزنگاری. برای اطّلاعات بیشتر نگاه کنید به حملۀ جستجوی فراگیر (ویکیپدیا) و مدخلِ brute force در وبسایتِ Urban Dictionary

[۳] crash

[۴] restart

[۵] Evaluative functions